dall-e-3, la capacidad de renderizado de texto más potente gpt-image-1, la última generación gpt-image-2, así como la serie de modelos nano-banana / nano-banana-2-lite / nano-banana-2 / nano-banana-pro que se conectan a través de la misma interfaz. Todos ellos pueden generar imágenes de alta calidad a partir de descripciones de texto.
Este documento presenta principalmente el flujo de uso de la API de Generación de Imágenes de OpenAI, que nos permite utilizar fácilmente las funciones de generación de imágenes de la serie OpenAI.
Proceso de Solicitud
Para utilizar la API de Generación de Imágenes de OpenAI, primero dirígete a la consola de Ace Data Cloud para obtener tu Token de API, que debes guardar como respaldo.
Si aún no has iniciado sesión o registrado, serás redirigido automáticamente a la página de inicio de sesión que te invitará a registrarte e iniciar sesión; una vez completado, regresarás automáticamente a la página actual.
Un Token de API es suficiente para acceder a todos los servicios de la plataforma, sin necesidad de solicitar uno por cada servicio. La primera solicitud te otorgará un crédito gratuito para que lo pruebes; si el crédito es insuficiente, puedes recargar el saldo general en la consola.
📘 Documentación completa: API de Generación de Imágenes de OpenAI →
Modelo GPT-Image-2
gpt-image-2 es el nuevo modelo de generación de imágenes lanzado por OpenAI, que presenta mejoras significativas en comparación con dall-e-3 y gpt-image-1 en los siguientes aspectos:
- Mayor capacidad de seguimiento de instrucciones: puede entender con precisión instrucciones estructuradas complejas sobre composición, conteo, relaciones de posición, etc.
- Renderizado de texto más claro: en escenarios como carteles, menús, infografías, logotipos, el inglés y los números casi no presentan confusiones.
- Expresión de estilo más rica: soporta de forma nativa múltiples estilos como retratos cinematográficos, carteles retro, ilustraciones infantiles, fotografía de productos, infografías, entre otros.
- Soporte nativo para múltiples proporciones + alta resolución: cubre 5 proporciones (1:1, 4:3, 3:4, 16:9, 9:16) con 3 niveles de resolución (1K / 2K / 4K).
model como gpt-image-2. La url en el resultado devuelto es un enlace a una imagen alojada permanentemente en platform.cdn.acedata.cloud, que se puede abrir directamente en el navegador o incrustar en una página web.
Variantes de línea (:official / :reverse)
gpt-image-2 utiliza por defecto la línea estándar. A través del sufijo del nombre del modelo, puedes seleccionar explícitamente la línea:
gpt-image-2:official: canal oficial, estable y conforme. Soporta resoluciones reales de 2K / 4K, cobrando por cada imagen, con un precio que es el doble del precio por defecto degpt-image-2. Si la línea no está disponible, devolverá un error directamente, sin degradación automática.gpt-image-2:reverse: completamente equivalente algpt-image-2por defecto, con una mejor relación calidad-precio, sin cambios en el precio.
Valores soportados para size
gpt-image-2 solo verifica el formato de size, siempre que no sea auto o una cadena vacía, debe coincidir con WIDTHxHEIGHT (por ejemplo, 1024x1024, 2048x1152, 800x600); cualquier otra forma devolverá 400. Todos los tamaños (1K / 2K / 4K / personalizado) se cobran de manera uniforme por imagen, sin recargos por tamaño.
Limitaciones de tamaño: los tamaños personalizados deben cumplir que ambos lados sean múltiplos de 16, el lado más largo ≤ 3840, y el número total de píxeles ≤ 8,294,400; cualquier exceso se devolverá con un 4xx.
Al pasar explícitamentesize: "auto", la plataforma planificará el lienzo en el espacio de proporciones continuas y determinará según la siguiente prioridad: píxeles o proporciones explícitas en el prompt, estándares de nomenclatura (papel / impresión / posiciones de plataforma / publicidad / dispositivos / fotografía / cine), prácticas de medio, y finalmente inferencia de composición. Por lo tanto, además de las proporciones comunes1:1,4:5,9:16,21:9, también se pueden conservar proporciones no predefinidas como1.91:1,1.85:1,2.39:1, y papel ISO1:√2; el tamaño final se ajustará automáticamente a múltiplos de 16 y al presupuesto de píxeles soportado por el servicio. Si la determinación automática no está disponible, se retrocederá al formato predeterminado del modelo, sin interrumpir la generación. Si se omite el camposize, se utilizará directamente el formato predeterminado del modelo; si se tienen requisitos estrictos de píxeles, se recomienda pasar directamenteWIDTHxHEIGHT. La salida en el rango de 1K no garantiza un alineamiento estricto de píxeles: si pasas1024x1024, podrías recibir1254x1254, manteniendo la proporción. Si lo vuelves a pasar comosize, el cobro no cambiará. Las llamadas de 4K generalmente requieren de 4 a 8 minutos, se recomienda usarlo junto con elcallback_urlmencionado más adelante para callbacks asíncronos.
Sobre el parámetroA continuación, se presentan algunos ejemplos reales desde diferentes ángulos para experimentar de manera intuitiva la capacidad dengpt-image-2soportan > 1(valores de 1 a 10): una sola solicitud puede devolver y cobrar por la cantidad correspondiente de imágenes. Para que los resultados múltiples tengan diferencias, se recomienda pasar diferentespromptoseedal mismo tiempo. Esto también se aplica agpt-image-1/gpt-image-1.5, así como a la serienano-banana/nano-banana-2-lite/nano-banana-2/nano-banana-pro;dall-e-3solo soportan = 1. Ten en cuenta queresponse_format=b64_jsonsolo soportan=1, paran>1utiliza el retorno de URL por defecto. Si algunas imágenes fallan en generarse, solo se devolverán y cobrarán las que se generaron con éxito.
gpt-image-2.
Escena uno: Retrato cinematográfico
En las palabras clave se pueden usar términos cinematográficos (película de 35 mm, profundidad de campo reducida, luz de neón, etc.) para controlar con precisión la atmósfera y la textura. Código de ejemplo en Python:
Escena dos: Póster de viaje retro (con renderizado de texto)
gpt-image-2 muestra un rendimiento estable en la tipografía y el renderizado de fuentes, lo que lo hace muy adecuado para generar diseños con texto como pósters, menús, tarjetas de felicitación, etc.
url en el resultado devuelto es la siguiente:
AMALFI y ITALIA 1958 se ha renderizado de manera clara y correcta.
Escena tres: Composición compleja y conteo
La siguiente palabra clave se utiliza para probar la capacidad del modelo para seguir instrucciones estructuradas sobre “cantidad” y “posición”.
dall-e-3.
Escena cuatro: Estilo de ilustración (horizontal)
Al especificar el medio artístico y las palabras clave emocionales, se puede guiar al modelo para producir ilustraciones estilizadas.
Asincronía y devolución de llamada
gpt-image-2 generalmente requiere de 60 a 90 segundos para una sola llamada. Si no desea mantener una conexión prolongada, puede utilizar el mecanismo de devolución de llamada asíncrona callback_url que se describe más adelante en este artículo; el flujo de llamada es completamente consistente con otros modelos.
Serie de modelos Nano Banana
La serienano-banana es un modelo de generación de imágenes basado en Gemini, que se ha integrado a través de la misma interfaz /openai/images/generations, sin necesidad de cambiar el endpoint, solo necesita cambiar model a cualquiera de los que se enumeran a continuación.
Importante: Rango de soporte de parámetros Nano Banana se conecta a través de una capa de adaptación al protocolo de OpenAI, y en comparación congpt-image-*solo admite los siguientes parámetros:model,prompt,size,n.
sizese mapeará aaspect_ratiointerno según la siguiente tabla; las dimensiones no listadas se degradarán a1:1:
1024x1024/512x512/256x256→1:11792x1024→16:91024x1792→9:16- No se admiten parámetros como
quality,style,response_format,background,output_format, etc.; si se ingresan, serán ignorados.n > 1es admitido (1–10), devolverá y cobrará por la cantidad correspondiente de imágenes.- La estructura de retorno sigue el formato de OpenAI (
data[].url), perocreatedes fijo en0, y no se devolveráb64_json,revised_promptsiempre será igual alpromptoriginal.
Llamada básica
url devuelto:
Actualizar al modelo insignia nano-banana-pro
Solo necesita cambiar model a nano-banana-pro, los demás parámetros son completamente iguales:
Callback asíncrono
El mecanismo de callback asíncronocallback_url también es efectivo para nano-banana, el flujo de llamada es completamente igual que con otros modelos, consulte la sección Callback asíncrono a continuación.
Uso básico
A continuación, puede completar el contenido correspondiente en la interfaz, como se muestra en la imagen:
authorization, que se puede seleccionar directamente en la lista desplegable. Otro parámetro es model, model es la categoría del modelo que elegimos usar del sitio web de OpenAI DALL-E, aquí tenemos principalmente 1 tipo de modelo, los detalles se pueden ver en los modelos que proporcionamos. El último parámetro es prompt, prompt es la palabra clave que ingresamos para generar la imagen.
Al mismo tiempo, puede notar que a la derecha hay un código de llamada correspondiente generado, puede copiar el código y ejecutarlo directamente, o puede hacer clic en el botón “Probar” para realizar pruebas.
created, ID de la generación de esta imagen, utilizado para identificar de manera única esta tarea.data, contiene la información del resultado de la generación de la imagen.
data se incluye la información específica de la imagen generada por el modelo, donde url es el enlace detallado de la imagen generada, como se puede ver en la imagen.
Parámetro de calidad de imagen quality
A continuación, se presentará cómo configurar algunos parámetros detallados del resultado de la generación de imágenes, donde el parámetro de calidad de imagen quality incluye dos tipos, el primero standard indica que se genera una imagen estándar, el otro hd indica que la imagen creada tiene detalles más finos y mayor consistencia.
A continuación, se establece el parámetro de calidad de la imagen en standard, la configuración específica se muestra en la siguiente imagen:
standard 的生成图片如下图所示：
hd ，可以得到如下图所示的图片：
hd 比 standard 生成的图片具有更精细的细节和更大的一致性。
图片大小尺寸参数 size
我们还可以设置生成图片的尺寸大小，我们可以进行下面的设置。
下面设置图片的尺寸大小为 1024 * 1024 ，具体设置如下图：
1024 * 1024 的生成图片如下图所示：
1792 * 1024 ，可以得到如下图所示的图片：
可以看到图片的尺寸大小很明显不一样，另外还可以设置更多尺寸大小，详情信息参考我们官网文档。
图片风格参数 style
图片风格参数 style 包含俩个参数，第一种 vivid 表示生成的图片是更加生动的，另一种 natural 表示生成的图片更加的自然一点。
下面设置图片风格参数为 vivid ，具体设置如下图：
vivid 的生成图片如下图所示：
natural ，可以得到如下图所示的图片：
vivid 比 natural 生成的图片具有更加生动逼真。
图片链接的格式参数 response_format
最后一个图片链接的格式参数 response_format 也有俩种，第一种 b64_json 是对图片链接进行 Base64 编码，另一种 url 就是普通的图片链接，可以直接查看图片。
下面设置图片链接的格式参数为 url ，具体设置如下图：
url para la imagen generada es URL de la imagen esto se puede acceder directamente, el contenido de la imagen se muestra a continuación:
b64_json, se puede obtener el resultado del enlace de la imagen codificado en Base64, el resultado específico se muestra a continuación:
Callback asíncrono
Dado que el tiempo de generación de imágenes de la API de OpenAI puede ser relativamente largo, si la API no responde durante un tiempo prolongado, la solicitud HTTP mantendrá la conexión, lo que provocará un consumo adicional de recursos del sistema, por lo que esta API también ofrece soporte para callbacks asíncronos. El flujo general es: cuando el cliente inicia la solicitud, se especifica un campo adicionalcallback_url, después de que el cliente inicia la solicitud de API, la API devolverá inmediatamente un resultado que incluye un campo de información task_id, que representa el ID de la tarea actual. Cuando la tarea se completa, el resultado de la imagen generada se enviará a la callback_url especificada por el cliente en formato JSON POST, que también incluye el campo task_id, de esta manera el resultado de la tarea se puede asociar a través del ID.
A continuación, entenderemos cómo operar específicamente a través de un ejemplo.
Primero, el callback de Webhook es un servicio que puede recibir solicitudes HTTP, los desarrolladores deben reemplazarlo con la URL de su propio servidor HTTP. Aquí, para facilitar la demostración, se utiliza un sitio web de muestra de Webhook público https://webhook.site/, al abrir este sitio se obtiene una URL de Webhook, como se muestra en la imagen:
Copie esta URL y podrá usarla como Webhook, el ejemplo aquí es https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab.
A continuación, podemos establecer el campo callback_url como la URL de Webhook anterior, al mismo tiempo que llenamos los parámetros correspondientes, como se muestra en el siguiente código:
task_id, el campo data contiene el mismo resultado de generación de imágenes que la llamada sincrónica, a través del campo task_id se puede lograr la asociación de la tarea.
Manejo de errores
Al llamar a la API, si se encuentra con un error, la API devolverá el código de error correspondiente y la información. Por ejemplo:400 token_mismatched：Solicitud incorrecta, posiblemente debido a parámetros faltantes o inválidos.400 api_not_implemented：Solicitud incorrecta, posiblemente debido a parámetros faltantes o inválidos.401 invalid_token：No autorizado, token de autorización inválido o faltante.429 too_many_requests：Demasiadas solicitudes, ha superado el límite de tasa.500 api_error：Error interno del servidor, algo salió mal en el servidor.